ArtTrack：野外铰接式多人跟踪
计算机视觉与模式识别
2017-05-10 v3
摘要
本文提出一种在无约束视频中对多人进行铰接式跟踪的方法。我们的出发点是一个与现有单帧姿态估计架构相似但速度显著更快的模型。我们通过两种方式实现这一点：(1) 简化并稀疏化身体部位关系图，并利用最新方法加快推理速度；(2) 将大量计算卸载到一个前馈卷积架构上，该架构即使在杂乱场景中也能检测并关联同一人的身体关节。我们使用该模型生成身体关节位置的候选区域，并将铰接式跟踪表述为这些候选区域的时空分组。这允许通过时间传播强检测的证据，并强制每个候选区域只能分配给一个人的约束，从而联合解决场景中所有人的关联问题。我们报告了在公开的 MPII Human Pose 基准和一个新的包含多人图像序列的 MPII Video Pose 数据集上的结果。我们证明，我们的模型仅使用一小部分时间就达到了最先进的成果，并且能够利用时间信息改善拥挤场景下的现有最佳水平。
引用
@article{arxiv.1612.01465,
title = {ArtTrack: Articulated Multi-person Tracking in the Wild},
author = {Eldar Insafutdinov and Mykhaylo Andriluka and Leonid Pishchulin and Siyu Tang and Evgeny Levinkov and Bjoern Andres and Bernt Schiele},
journal= {arXiv preprint arXiv:1612.01465},
year = {2017}
}
备注
Accepted to CVPR 2017